雨花台镖人

图像分割示例 训练数据可下载 图片和图片的掩码 原图： 对应目标的掩码图 准备训练数据 看下shape 构建模型 看下模型。可以清晰的看到 模型的 转换过程 训练 没有cuda的话，这个训练时间很长。

卷积神经网络 概念 这一章，我觉得最重要的就是要理解好卷积神经网络的概念，这个搞的差不多了，后面看代码才会轻松， 这里推荐这个视频卷积神经网络 除了这个以外，大家还可以自行去youtube ，b站 搜

构建Keras模型的不同方法 序贯模型 最简单常用的模型 ，本质上是个列表 两种方法来构建模型 但是要注意，此时模型还没有权重， 必须调用build 并给定输入形状时 模型才具有权重 直接调用weig

本小节主要对前面3个小节的概念进行汇总，将机器学习的直觉固化转变为可靠的概念框架。 这一步非常重要， 会影响你后面进行tensorflow开发时的固定调试技巧 过拟合 与 欠拟合 随着训练的进行，模型

影评分类：二分类问题示例 加载 imdb 数据集 可以看下运行效果 准备数据 这里会碰到一个问题，因为每个评论的 单词数量都不一样，但是神经网络需要处理的是 大小相同的数据批量 ，你需要将 列表转换为

张量的可变和不可变 实现一个 线性分类器 可以看这个b站视频了解基本概念 对于我们这个例子来说，其实就是 随机生成2个点云。 我们可以先准备一组数据 剩下的就是实现分类器了 然后验证一下效果： 可以看

简单的入门例子 这个例子就是取一些数据集， 很简单，热个身，稍微熟悉一下 写法即可 熟悉一下 深度学习的基本写法 这个例子就是简单的 根据图像，来预测 图像内容是 数字几 也是熟悉基本概念，不需要弄懂

为什么要扩展Glide框架 前面的文章介绍过 glide 在加载gif的时候 一些天生缺陷， 以及不支持低android版本的动图webp播放， 当然为了简单你可以直接修改glide 源代码 然后直接

Gif 加载对比 用 android-gif-drawable 来加载gif 和glide 对比一下 注意这里的GifDrawable 和 glide里面的不是一个 加载gif 时的性能对比可以看出来